LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
烂漫的煎饼完成签到 ,获得积分10
刚刚
所所应助泡泡茶壶采纳,获得10
1秒前
orixero应助Coral.采纳,获得10
1秒前
2秒前
舒服的曼云完成签到,获得积分10
2秒前
凌忆文完成签到 ,获得积分0
2秒前
aser发布了新的文献求助10
3秒前
科研通AI2S应助战斗暴龙兽采纳,获得10
4秒前
5秒前
5秒前
思源应助Joeswith采纳,获得10
6秒前
温东完成签到,获得积分10
6秒前
May完成签到,获得积分10
6秒前
研友_VZG7GZ应助荀荆采纳,获得10
8秒前
9秒前
无花果应助MaoMao采纳,获得10
13秒前
aser完成签到,获得积分10
13秒前
14秒前
15秒前
电光十字发布了新的文献求助10
15秒前
16秒前
20秒前
荀荆发布了新的文献求助10
20秒前
22秒前
小小罗发布了新的文献求助10
22秒前
23秒前
Ava应助泡泡茶壶采纳,获得10
23秒前
Yancy发布了新的文献求助30
24秒前
登登发布了新的文献求助10
27秒前
邢丽妍发布了新的文献求助10
28秒前
荀荆完成签到,获得积分10
28秒前
29秒前
CCC完成签到,获得积分10
32秒前
32秒前
memebao完成签到,获得积分10
35秒前
自由的银耳汤完成签到 ,获得积分10
35秒前
小佛爷完成签到 ,获得积分10
36秒前
化云完成签到,获得积分0
38秒前
April发布了新的文献求助10
39秒前
40秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3197881
求助须知:如何正确求助?哪些是违规求助? 2846631
关于积分的说明 8060138
捐赠科研通 2511547
什么是DOI,文献DOI怎么找? 1343447
科研通“疑难数据库(出版商)”最低求助积分说明 639541
邀请新用户注册赠送积分活动 609146